基于感知编组的遥感图像港口提取方法

遥感图像中港口识别是遥感海洋应用研究的重要方面,准确、高效地自动提取港口目标对于提高遥感图像自动解译能力具有重大意义。由于人造目标按照某种结构方式有组织地构成,而人类视觉的感知编组可以获取图像中相关组织及结构,因而感知编组的特性有助于识别人造目标,该文将感知编组方法用于提取港口目标。通过建立突堤区域编组、疑似港口突堤端点连线编组以及基于产生式规则的港口编组机制,提出了基于多级感知编组的港口提取方法。实验结果表明,相对于已有的港口检测方法提取的港口目标不准确、效率不高等问题,新方法提取的港口具有目标标识正确、轮廓完整以及运算速度快等特点。      

一种基于Wedgelet的图像轮廓编码算法

基于wedgelet理论提出了一种图像轮廓编码算法.该算法给出了一种率失真意义下的图像自适应多尺度wedgelet分析方法,用以抽取并表示图像中的边缘轮廓,然后基于四叉树结构编码图像最优多尺度wedgelet表示的参数,从而编码抽取出的图像轮廓.实验结果表明,本算法能以较大压缩比编码图像的边缘轮廓,并且压缩比可调.     

基于尺度空间表示的视觉注意区域选择

针对现有视觉注意计算模型中视觉特征图多尺度表示存在的问题,研究了基于非线性尺度空间的视觉特征图表示方法,通过建立视觉特征图的非线性尺度空间表示,在实现中央一外周计算策略的同时,可以有效保留边缘等局部细节信息.同时,在视觉注意特征图尺度空间表示基础上,提出了一种视觉注意区域的最佳尺度选择算法.实际图像显著区域选择的实验结果表明,该算法是有效的,在认知上是合理的.     

SAR图像不确定轮廓相似度及其可信度构建方法

SAR图像相似度准则是目标识别、图像匹配等研究内容的基础,定义合理可靠的相似度将极大地提高SAR图像解译能力。该文针对SAR图像轮廓特点,提出一种基于不确定轮廓的相似度置信区间及其可信度构建方法。首先将SAR图像不确定轮廓模糊化得到相似度定义,进而通过分析模糊模型分布函数,在给定显著性水平下得到相似度置信区间,并给出可信度定义。实验结果表明,该方法对轮廓定位有一定容错性,对一定程度的断裂轮廓及多边缘轮廓也能得到合理的相似度范围和可信度,符合人眼视觉感知。     

结合光谱和尺度特征的高分辨率图像边缘检测算法

高分辨率遥感图像具有高度细节化的多尺度表达能力,在有效表达地物边缘信息的同时,目标内部几何细节常以噪声的形式出现.提出将光谱相异性和小波变换相结合的边缘特征检测算法,克服了小波变换导致的边缘变形,并能够有效抑制噪声.根据光谱角原理定义归一化光谱相异性模型,并与二进小波变换结合,同时利用梯度方向余弦值对各个波段的梯度幅值加权,最后根据向量场模型计算多光谱图像的梯度幅值和梯度方向,细化后获取由细到粗的多层次边缘特征.实验结果与小波变换和传统检测算子的检测结果相比,表明该算法利用光谱相异性信息增强边缘响应强度,保证了所有尺度下获取的边缘轮廓不失真,边缘点定位准确;加权处理突出了多波段梯度主方向信息,也有效抑制了高分辨率图像上目标内部精细几何细节形成的噪声.     

利用边缘信息的多尺度分块压缩感知自适应采样方法

在小波域多尺度压缩感知框架下,被完整保留的低频系数存在着许多可利用的图像信息。本文在分析了不同尺度之间、以及同一尺度之内的系数块存在能量差异的基础上,提出了利用边缘信息的多尺度分块压缩感知自适应采样方法(EAS)。该方法首先利用低频系数提取出边缘信息,然后将边缘信息分块,加权计算每个块的边缘信息度,根据边缘信息度判断每个系数块的能量大小,将其转换成每个子块的自适应采样率,从而实现多尺度分块压缩感知的自适应采样。采用医学图像,含有复杂纹理的自然图像和含有严重噪声的SAR图像三类测试数据,验证了EAS方法的性能。数值实验结果表明,EAS方法对不同的压缩感知算法均有很大的提升,能够显著提高图像的重构质量和视觉效果。      

基于灰度共生矩阵的多尺度分块压缩感知算法

针对图像边缘与轮廓不能精确重构的问题,提出了一种基于灰度共生矩阵的多尺度分块压缩感知算法.该算法利用三级离散小波变换将图像分解为高频部分和低频部分.通过灰度共生矩阵的熵分析高频部分图像块的纹理复杂度,并根据图像块纹理进行再分块、自适应分配采样率.采用平滑投影Landweber算法重构图像,消除分块引起的块效应.对多种图...     

超像素内容感知先验的多尺度贝叶斯显著性检测方法

针对复杂背景下显著性检测方法不能够有效地抑制背景,进而准确地检测目标这一问题,提出了超像素内容感知先验的多尺度贝叶斯显著性检测方法.首先,将目标图像分割为多尺度的超像素图,在每个尺度上引入内容感知的对比度先验、中心位置先验、边界连通背景先验来计算单一尺度上的目标显著值;其次,融合多个尺度的内容感知先验显著值生成一个粗略的显著图;然后,将粗略显著图值作为先验概率,根据颜色直方图和凸包中心先验计算观测似然概率,再使用多尺度贝叶斯模型来获取最终显著目标;最后,使用了3个公开的数据集、5种评估指标、7种现有的方法进行对比实验,结果表明本文方法在显著性目标检测方面具有更好的表现.     

多幅图像叠加与多尺度Retinex的无衍射光图像复原

针对无衍射光大景深成像系统所拍图像对比度低,边缘轮廓模糊,提出一种新的基于Retinex理论的图像复原算法.首先,利用同场景多幅图像叠加对多幅无衍射光图像进行叠加处理,去除图像的加性噪声,然后将处理后的图像通过多尺度Retinex (MSR)算法处理得到目标图像.实验结果表明:采用的同场景多幅图像叠加与多尺度Retinex组合算法(MCIMSR)同单一的多幅图像叠加或者多尺度Retinex算法相比,图像对比度更大,边缘轮廓更清晰,图像主观视觉特性有明显的提升.因而,将该方法应用于无衍射光大景深成像系统的图像复原,能够满足成像和在线检测的要求.     

基于双视通路交互感知的轮廓检测方法

基于生物视觉系统存在双视通路(VP)交互感知的机制,该文提出一种图像轮廓检测的新方法。首先针对皮层下视通路中视觉刺激流经多级不同尺度的感受野,提出一种多尺度轮廓融合的轮廓感知模型;接着基于皮层上视通路的对比度适应机制和方向敏感特性,获取显著性视觉特征;然后模拟双视通路的交互感知机制,分别在V1皮层中,构建一种信息流交互引导的脉冲编码模型,提取显著性轮廓;在上丘(SC)浅层提出一种特征调制的非经典感受野侧抑制模型,实现纹理抑制;最后对双视通路中的轮廓响应结果进行修正融合,得到最终轮廓响应。针对RUG40图像库的测试,整个数据集的最优平均P指标和每张图的最优平均P指标分别为0.51和0.57;针对BSDS500图像库的测试,数据集尺度上最优(ODS)为0.68。结果表明该文方法能有效突显主体轮廓并且抑制纹理背景。通过该文提出的轮廓感知方法,为后续基于视觉机制的图像理解和分析提供了一种新的思路。     

基于全局约束的层次视知觉编组模型研究

编组模型大多基于视知觉格式塔规则中接近率、连续率、共线率和相似率,没有考虑全局约束规则如对称率和平行率作用,编组结果缺乏视觉上完整性问题,对此该文提出一种全局约束的层次编组模型。选取显著性重要的小波变换变换边缘作为编组候选数据集,利用格式塔规则中对称率和平行率作为全局线索指导编组过程。不同类型的图像实验表明,模型在不损失视知觉合理性的同时减少了编组过程中的二义性, 增强了编组效率和健壮性。     

基于多尺度特征的SAR区域型目标检测方法

通过对SAR图像的目标特性分析，提出了一种SAR区域型目标的检测方法。与通常的一些目标检测算法相比，该算法在ROI的提取和目标建模两个方面作了改进，提出了一个新的特征提取算子并引入多尺度的梯度特征作为分类依据。算法应用于真实的SAR图像进行居民区的检测，获得了预期的结果。实验表明，基于多尺度梯度特征的目标检测算法具有良好的性能。     

结合多尺度特征融合和多输入多输出编-解码器的去模糊算法

针对相机抖动、拍摄物体快速运动以及低快门速度等因素造成的图像非均匀模糊,提出一种结合多尺度特征融合和多输入多输出编-解码器的去模糊算法。首先使用多尺度特征提取模块来提取较小尺度模糊图像的初始特征,该模块使用扩张卷积来以较少的参数量获得更大的感受野。其次,通过特征注意力模块来自适应地学习不同尺度特征中的有效信息,该模块利用小尺度图像的特征来生成注意图,能够有效地减少冗余特征。最后,使用多尺度特征渐进融合模块逐步融合不同尺度的特征,使得不同尺度特征信息能够进行互补。相比以往的使用多个子网堆叠的多尺度方法,文中使用单个网络就能提取多尺度特征,从而降低了训练难度。为了评估网络的去模糊效果和泛化性能,提出的算法在基准数据集GoPro、HIDE和真实数据集RealBlur上均进行了测试。在GoPro和HIDE数据集上的峰值信噪比值分别为31.73 dB和29.39 dB,结构相似度值分别为0.951和0.923,其结果均高于目前先进的去模糊算法,并且在真实数据集RealBlur上也取得了最佳效果。实验结果表明,提出的去模糊算法相比现有算法去模糊更为彻底,能有效地复原图像的边缘轮廓和纹理细节信息,并且能够提升后续高级计算机视觉任务的鲁棒性。     

A lightweight multi-scale aggregated model for detecting aerial images captured by UAVs

Detecting the objects of interesting from aerial images captured by UAVs is one of the core modules in the UAV-based applications. However, it is very difficult to detection objects from aerial images. The reason is that the scale of objects in the aerial images captured by UAVs varies greatly and needs to meet certain real-time performance in detection. To deal with these challenges, we proposed a lightweight model named DSYolov3. We made the following improvements to the Yolov3 model: 1) multiple scale-aware decision discrimination network to detect objects in different scales, 2) a multi-scale fusion-based channel attention model to exploit the channel-wise information complementation, 3) a sparsity-based channel pruning to compress the model. Extensive experimental evaluation has demonstrated the effectiveness and efficiency of our approach. By the proposed approach, we could not only achieve better performance than most existing detectors but also ensure the models practicable on the UAVs.     

基于空间语义对象混合学习的复杂图像场景自动分类方法研究

场景分类是将多幅图像标记为不同语义类别的过程。该文针对现有方法对复杂图像场景分类性能欠佳的不足,提出一种新的基于空间语义对象混合学习的复杂图像场景分类方法。该方法以多尺度分割得到的图像对象而非整幅图像为主体进行产生式语义建模,统计各类有效特征挖掘对象的类别分布信息,并通过空间金字塔匹配,构建包含层次数据和语义信息的中间向量,弥补语义鸿沟的缺陷,训练中还结合判别式学习提高分类器的可信性。在实验数据集上的结果表明该方法具备较高的学习性能和分类精度,适用于多种类型和复杂内容图像的解译,具有较强的实用价值。     

太赫兹安检系统人体图像边缘物体识别

提出一种自动识别人体边缘物体的算法,用于太赫兹人体安检系统的人体边缘物体成像的识别。原始图像经过二值化、滤波除噪、填充、形态学腐蚀膨胀等预处理算法后,利用顺时针搜寻轮廓追踪算法标记图像轮廓坐标,对轮廓上各坐标点使用圆形模板占空比检测以及非极小、非极大值抑制算法筛选出所有的凸点和凹点,并根据相邻凸点和凹点组合特征及其横向距离约束实现边缘物体的识别。500幅测试图像实验结果表明:该算法对边缘物体可实现快速识别,误判率在2%以下;通过调整算法参数,可良好匹配安检系统的识别精度,从而达到匹配于系统的分辨极限;具有抗噪声能力强,识别速度快,识别精度高等优点。     

Boundary detection in medical images using edge following algorithm based on intensity gradient and texture gradient features

Finding the correct boundary in noisy images is still a difficult task. This paper introduces a new edge following technique for boundary detection in noisy images. Utilization of the proposed technique is exhibited via its application to various types of medical images. Our proposed technique can detect the boundaries of objects in noisy images using the information from the intensity gradient via the vector image model and the texture gradient via the edge map. The performance and robustness of the technique have been tested to segment objects in synthetic noisy images and medical images including prostates in ultrasound images, left ventricles in cardiac magnetic resonance (MR) images, aortas in cardiovascular MR images, and knee joints in computerized tomography images. We compare the proposed segmentation technique with the active contour models (ACM), geodesic active contour models, active contours without edges, gradient vector flow snake models, and ACMs based on vector field convolution, by using the skilled doctors' opinions as the ground truths. The results show that our technique performs very well and yields better performance than the classical contour models. The proposed method is robust and applicable on various kinds of noisy images without prior knowledge of noise properties.     

基于多尺度信息融合的SAR图像建筑物提取

根据高分辨力合成孔径雷达(SAR)图像中建筑物的特性,提出了一种基于多尺度信息融合的建筑物提取方法。以非下采样轮廓波变换(NSCT)为多尺度分析框架,通过融合基于NSCT低频子带的多尺度区域分析结果提取潜在建筑物区域;同时,融合基于NSCT高频信息的边缘检测结果与均值比算子结果提取边缘结构信息;在此基础上,结合区域与边缘结构信息对虚警进行滤除,对漏检建筑物进行补充,完成建筑物提取。实验结果显示：该方法优于基于多特征融合的建筑物检测算法,在实验所用图像上的平均查全率达到94%,表明文中方法的有效性。